正在加载视频...

视频加载失败

返回首页

RF-DETR：开源最佳实时识别模型 实时识别画面中的物体，准确率和速度优于YOLO系列模型，开源可商用。 官方介绍： Github：

Gorden_Sun's profile picture

Gorden Sun

70,226 subscribers

93,015 次观看 • 1 年前 •via X (Twitter)

教育科学技术
LIVE

Anya Rossi• Live Now

Private livecam show

4 条评论

notice_u 的头像
notice_u1 年前

@readwise save thread

Lucid Scientific, Inc. 的头像
Lucid Scientific, Inc.1 年前

Expand the possibilities of your metabolic research. Resipher tracks real-time cellular oxygen consumption in standard 96-well plates, delivering continuous real-time data directly from your incubator. Request a free virtual demo or quote today >>

losfnig 的头像
losfnig1 年前

@readwise save thread

lionoggo 的头像
lionoggo1 年前

@readwise save thread

相关视频

MAI-UI：阿里通义开源的手机GUI智能体 可以实现豆包手机助手的效果，自动化操作手机。特色是采用了本地模型+云端模型协作的方式，兼顾性能和准确度，在多项手机操作评分中排名第一。目前2B模型和8B模型已开源。 Github：
0:30

MAI-UI：阿里通义开源的手机GUI智能体 可以实现豆包手机助手的效果，自动化操作手机。特色是采用了本地模型+云端模型协作的方式，兼顾性能和准确度，在多项手机操作评分中排名第一。目前2B模型和8B模型已开源。 Github：

Gorden Sun

64,908 次观看 • 10 个月前

最近发现一个实用的开源项目：OpenCodex。 它可以让 Codex 不再局限于 GPT 模型，还能接入 Kimi、Grok、GLM 等其他大模型。配置一次后，原来的 Codex 应用和工作流基本不用变，需要时直接切换模型即可。 开源地址
0:38

最近发现一个实用的开源项目：OpenCodex。 它可以让 Codex 不再局限于 GPT 模型，还能接入 Kimi、Grok、GLM 等其他大模型。配置一次后，原来的 Codex 应用和工作流基本不用变，需要时直接切换模型即可。 开源地址

雪踏乌云

341,118 次观看 • 3 个月前

方言识别迈入“工业级”！Fun-ASR1.5来了🚀 🔹 50万小时真实数据，覆盖传统七大方言体系及晋语，深度适配 20+ 口音官话 🔹 单模型通吃30种语言，中英日混读无缝识别 🔹 古诗词吟诵识别准确率高达 97% 🔹 智能标点 + 文本归一化，语音秒变规范
3:51

方言识别迈入“工业级”！Fun-ASR1.5来了🚀 🔹 50万小时真实数据，覆盖传统七大方言体系及晋语，深度适配 20+ 口音官话 🔹 单模型通吃30种语言，中英日混读无缝识别 🔹 古诗词吟诵识别准确率高达 97% 🔹 智能标点 + 文本归一化，语音秒变规范

肖师傅

18,694 次观看 • 6 个月前

我艹！ 这个实时进行图片识别的模型Rf-def牛逼啊！ 完全本地化部署开源且免费就可以使用啊！ 关键仅需300 m啊！ 可以实时识别人物、动物、物品等，并且我做了ui升级，可以总结输出识别报告以及分析运动过程等！ 我觉得还是很不错的！可以快速启用！ 我把它完全开源给大家，记得Star！原来的Ui有点不好看，所以搞了一下！ 项目地址：评论区哈
1:07

我艹！ 这个实时进行图片识别的模型Rf-def牛逼啊！ 完全本地化部署开源且免费就可以使用啊！ 关键仅需300 m啊！ 可以实时识别人物、动物、物品等，并且我做了ui升级，可以总结输出识别报告以及分析运动过程等！ 我觉得还是很不错的！可以快速启用！ 我把它完全开源给大家，记得Star！原来的Ui有点不好看，所以搞了一下！ 项目地址：评论区哈

Berryxia.AI

61,483 次观看 • 8 个月前

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”
1:13

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

梭哈.AI

51,188 次观看 • 3 个月前

卧槽！实测了一下 SAM 3D，感觉 Gemini 3 都不香了哈哈哈哈！ Meta SAM 3D 从单张图分割特定人物/物体后，直接生成 3D 模型，这速度，这准确度，卧槽！！！ 还是开源模型，牛逼！！！ 在线体验/模型下载⬇️
0:22

卧槽！实测了一下 SAM 3D，感觉 Gemini 3 都不香了哈哈哈哈！ Meta SAM 3D 从单张图分割特定人物/物体后，直接生成 3D 模型，这速度，这准确度，卧槽！！！ 还是开源模型，牛逼！！！ 在线体验/模型下载⬇️

-Zho-

99,860 次观看 • 11 个月前

这个项目有意思 😃 基于Unity开发的Live2D虚拟人聊天系统 利用ChatGPT+Azure+情绪识别+口型同步，虚拟人能够与用户进行实时的文本交流。 打造自己的AI女友...🤣 GitHub： 详细介绍：
2:43

这个项目有意思 😃 基于Unity开发的Live2D虚拟人聊天系统 利用ChatGPT+Azure+情绪识别+口型同步，虚拟人能够与用户进行实时的文本交流。 打造自己的AI女友...🤣 GitHub： 详细介绍：

小互

43,916 次观看 • 2 年前

11Labs 推出 Scribe v2 Realtime 实时AI语音模型 - 小于150毫秒延迟 全球最高精度 - 支持 90多种语言 - 在实时性 + 多语言准确度上领先目前顶尖模型 - 自动识别说话的起止，精准分段，减少空白噪声 - 断线续写，即使连接中断，也能继续转录不中断 - 预测式转录，模型会预判接下来的词语与标点，实现流畅输出 - 复杂词汇识别，内置专业术语库，支持技术、医学、金融等专用领域
1:21

11Labs 推出 Scribe v2 Realtime 实时AI语音模型 - 小于150毫秒延迟 全球最高精度 - 支持 90多种语言 - 在实时性 + 多语言准确度上领先目前顶尖模型 - 自动识别说话的起止，精准分段，减少空白噪声 - 断线续写，即使连接中断，也能继续转录不中断 - 预测式转录，模型会预判接下来的词语与标点，实现流畅输出 - 复杂词汇识别，内置专业术语库，支持技术、医学、金融等专用领域

小互

13,033 次观看 • 1 年前

仅次于Suno V5.5的音乐模型就这么悄默声的开源了。 Minimax开源MiniMax-Music3，效果非常非常非常好的AI音乐模型。最长可以生成5分钟长度的歌曲，而且可控性非常强，能通过提示词编排歌曲结构、人声、节奏、歌词等各个方面细节。 Minimax先开源了视频模型H3，再开源音频模型Music3，把家底都给开源出来了。 下方视频是我生成的音乐。 模型： 在线体验：
2:19

仅次于Suno V5.5的音乐模型就这么悄默声的开源了。 Minimax开源MiniMax-Music3，效果非常非常非常好的AI音乐模型。最长可以生成5分钟长度的歌曲，而且可控性非常强，能通过提示词编排歌曲结构、人声、节奏、歌词等各个方面细节。 Minimax先开源了视频模型H3，再开源音频模型Music3，把家底都给开源出来了。 下方视频是我生成的音乐。 模型： 在线体验：

Gorden Sun

58,093 次观看 • 3 个月前

你看看这个 牛逼plus。 这个大哥基于whisper的模型搞了离线CPP版的。可以做到实时语音识别，效果非常好。
1:07

你看看这个 牛逼plus。 这个大哥基于whisper的模型搞了离线CPP版的。可以做到实时语音识别，效果非常好。

Rainier

214,542 次观看 • 3 年前

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。 其实 HuggingChat 也不错的 你可以在这里体验所有的开源大语言模型
2:38

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。 其实 HuggingChat 也不错的 你可以在这里体验所有的开源大语言模型

indigo

183,917 次观看 • 2 年前

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM
0:59

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM

AIGCLINK

52,501 次观看 • 2 年前

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译
0:31

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 次观看 • 1 年前

李彦宏：开源模型是智商税，闭源模型更强大，推理成本更低 7月5日，2024世界人工智能大会（WAIC 2024）期间，百度创始人、董事长兼首席执行官李彦宏接受采访时表示，开源其实是一种智商税。“当你理性地去想，大模型能够带来什么价值，以什么样的成本带来价值的时候，就会发现，你永远应该选择闭源模型。今天无论是ChatGPT、还是文心一言等闭源模型，一定比开源模型更强大，推理成本更低。”
0:30

李彦宏：开源模型是智商税，闭源模型更强大，推理成本更低 7月5日，2024世界人工智能大会（WAIC 2024）期间，百度创始人、董事长兼首席执行官李彦宏接受采访时表示，开源其实是一种智商税。“当你理性地去想，大模型能够带来什么价值，以什么样的成本带来价值的时候，就会发现，你永远应该选择闭源模型。今天无论是ChatGPT、还是文心一言等闭源模型，一定比开源模型更强大，推理成本更低。”

宝玉

77,114 次观看 • 2 年前